基于Sobel和hough變換的車(chē)道線(xiàn)識(shí)別算法研究

吳志軍+洪順利+王寶軍

摘要：車(chē)道線(xiàn)的識(shí)別是車(chē)道保持系統(tǒng)的核心部分。文中提出了基于Sobel和hough變換的車(chē)道線(xiàn)識(shí)別算法，主要包括感興趣區(qū)域設(shè)定、二維小波包分解降噪、Sobel算子的邊緣檢測(cè)和hough變換的車(chē)道線(xiàn)特征點(diǎn)識(shí)別。運(yùn)用該算法對(duì)某一汽車(chē)常用工況下的車(chē)道線(xiàn)圖像進(jìn)行識(shí)別，試驗(yàn)結(jié)果表明該算法能較好地識(shí)別車(chē)道線(xiàn)。

關(guān)鍵詞： 車(chē)道線(xiàn)；感興趣區(qū)域；小波包分解；Sobel；hough變換

中圖分類(lèi)號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）06-0214-03

Abstract：The identification of the lane mark is the core part of the lane keeping system. The lane line identification algorithm based on Sobel and hough transform is proposed in this paper. The algorithm mainly includes the setting of the region of interest， noise reduction on the application of the two-dimensional wavelet packet decomposition， the edge detection on the application of Sobel operator and the identification of lane line feature on the application of hough transform. The algorithm is used to identify the lane in an image which is under a common operating condition of a vehicle. The experimental results show that the algorithm can well identify the lane.

Key words：lane line；region of interest；wavelet packet decomposition；Sobel；hough transform.

1 概述

作為汽車(chē)主動(dòng)安全系統(tǒng)之一的車(chē)道保持系統(tǒng)在汽車(chē)主動(dòng)安全領(lǐng)域扮演的角色越來(lái)越重要。研究表明，大約15%的道路交通事故是由車(chē)輛駛離公路造成的[1]，車(chē)道保持系統(tǒng)能夠有效地減少道路交通事故的發(fā)生。目前，關(guān)于車(chē)道保持系統(tǒng)的研究主要集中在兩個(gè)方面：一是當(dāng)檢測(cè)到車(chē)輛在行駛過(guò)程中偏離車(chē)道時(shí)，系統(tǒng)向駕駛員發(fā)出車(chē)道偏離警告信號(hào)[2-5]；二是系統(tǒng)發(fā)送警告信號(hào)的同時(shí)，通過(guò)干預(yù)轉(zhuǎn)向系統(tǒng)，糾正車(chē)輛姿態(tài)，使車(chē)輛行駛在正確的車(chē)道上，從而保證駕駛員的行車(chē)安全[6-10]。不管系統(tǒng)是否帶有干預(yù)功能，車(chē)道線(xiàn)的識(shí)別是車(chē)道保持系統(tǒng)的核心部分，其識(shí)別質(zhì)量的好壞直接影響著整個(gè)系統(tǒng)控制結(jié)果。本文提出了基于Sobel和hough變換的車(chē)道線(xiàn)識(shí)別算法，并通過(guò)某一汽車(chē)常用工況下對(duì)車(chē)道線(xiàn)圖像進(jìn)行識(shí)別試驗(yàn)，驗(yàn)證了算法的可行性和較好的識(shí)別效果。

2 車(chē)道線(xiàn)識(shí)別算法

整個(gè)車(chē)道線(xiàn)識(shí)別過(guò)程主要分為4部分：感興趣區(qū)域設(shè)定、圖像預(yù)處理、車(chē)道線(xiàn)邊緣檢測(cè)和車(chē)道線(xiàn)特征點(diǎn)識(shí)別，如圖1所示。

2.1 感興趣區(qū)域設(shè)定

為提高車(chē)道線(xiàn)識(shí)別的實(shí)時(shí)性和魯棒性，降低車(chē)道線(xiàn)檢測(cè)過(guò)程中的計(jì)算強(qiáng)度，提高車(chē)道偏移判定的準(zhǔn)確率，同時(shí)提升系統(tǒng)的響應(yīng)速度，在車(chē)道線(xiàn)識(shí)別之初，在圖像中設(shè)定感興趣區(qū)域（Region of Interest，簡(jiǎn)稱(chēng)ROI）。

結(jié)合車(chē)道線(xiàn)在車(chē)輛正常行駛或駛離原車(chē)道時(shí)在圖像中可能的位置，本文設(shè)定了若干個(gè)邊界條件，f1（x）、f2（x）、f3（x）、f4（x）、f5（x）以及圖像自身邊界。由此若干個(gè)邊界圍成的區(qū)域，如圖2所示，即為感興趣區(qū)域。本文采用的邊界條件如下，以極坐標(biāo)的形式表示：

2.2 圖像預(yù)處理

圖像在采集、獲取、傳送和轉(zhuǎn)換過(guò)程中通常會(huì)受到隨機(jī)信號(hào)的干擾，大量噪聲產(chǎn)生會(huì)導(dǎo)致圖像的質(zhì)量下降，同時(shí)也會(huì)掩蓋重要的圖像信息，對(duì)圖像的最終處理效果造成較大不良影響，故在對(duì)圖像中的車(chē)道線(xiàn)進(jìn)行識(shí)別前，還需對(duì)圖像進(jìn)行預(yù)處理——降噪。

本文采用二維小波包分解技術(shù)進(jìn)行濾波降噪[11-12]。利用該技術(shù)能將頻帶進(jìn)行多層次劃分，對(duì)分辨率分析沒(méi)有細(xì)分的高頻部分進(jìn)一步分解，且能依據(jù)被分析特征自適應(yīng)地選擇相應(yīng)的頻帶，使之與信號(hào)頻譜向匹配，從而提高時(shí)頻分辨率。具體步驟如下：

1）對(duì)圖像進(jìn)行小波包分解。選取合適的小波并確定一個(gè)小波分解的層次N，接著對(duì)圖像進(jìn)行N層小波包分解；

2）計(jì)算最佳樹(shù)，即確定最佳小波包基。在對(duì)圖像進(jìn)行小波包分解時(shí)，可采用多種小波包基，而通常根據(jù)分析圖像的要求，從中選擇最好的一種小波包基，即最優(yōu)基；

3）對(duì)小波包分解系數(shù)的閾值進(jìn)行量化；

4）對(duì)圖像的小波包進(jìn)行重構(gòu)。根據(jù)第N層的小波包分解系數(shù)和量化處理系數(shù)，進(jìn)行圖像的小波包重構(gòu)。

2.3 車(chē)道線(xiàn)邊緣檢測(cè)

本文采用Sobel算子的檢測(cè)邊緣方法[13-14]。Sobel算子從相異的方向檢測(cè)圖像，是一組方向算子，它并非簡(jiǎn)單的求均值在進(jìn)行差分，而是提高了中心像素領(lǐng)域4個(gè)方向像素的權(quán)重。其計(jì)算式子如下：

式中，f（x，y）是圖像坐標(biāo)為（x，y）的整數(shù)像素灰度值，Sx和Sy分別是水平和垂直方向的一階微分，S[f（x，y）]是Sobel算子的梯度。

2.4 車(chē)道線(xiàn)特征點(diǎn)識(shí)別

本文采用hough變換[15-16]，將圖像空間轉(zhuǎn)換到特定的參數(shù)空間，以實(shí)現(xiàn)檢測(cè)車(chē)道線(xiàn)的功能。在直角坐標(biāo)參數(shù)空間，平面x-y上，通過(guò)點(diǎn)（xj，yj）的直線(xiàn)方程為：

平面x-y中過(guò)點(diǎn)（xj，yj）和（xk，yk）直線(xiàn)上的任何一點(diǎn)在參數(shù)空間中都存在著和它相關(guān)的唯一直線(xiàn)，（u0，v0）是此類(lèi)直線(xiàn)在參數(shù)空間中共同的交點(diǎn)，平面x-y中過(guò)點(diǎn)（xj，yj）和（xk，yk）直線(xiàn)的參數(shù)也為u0、v0。同理，參數(shù)空間中有共同交點(diǎn)的全部直線(xiàn)都能在平面x-y中找到與其相應(yīng)的點(diǎn)。據(jù)此，若平面x-y中存在某些邊緣點(diǎn)，Hough變換就能得到連接此類(lèi)邊緣點(diǎn)的直線(xiàn)方程。

3 結(jié)果分析

本文選取某段高速公路的車(chē)道線(xiàn)圖像，尺寸為640×480，如圖4（a）。為了降低運(yùn)算量，提高運(yùn)算速率，筆者將原始彩色圖像進(jìn)行了灰度化處理，如圖4（b）。圖4（c-f）顯示的是車(chē)道線(xiàn)識(shí)別過(guò)程和結(jié)果。

二維小波包分解濾波后的圖像濾除了原始圖像中路面部分的椒鹽噪聲，車(chē)道線(xiàn)邊緣特征點(diǎn)能較好地保留，但是相比原始圖像，毛刺感要稍微強(qiáng)些。由于感興趣區(qū)域設(shè)定時(shí)，除道路信息外還有部分環(huán)境信息未剔除，因此，邊緣檢測(cè)結(jié)果不僅包含車(chē)道線(xiàn)信息，還包括少部分其他物體的邊緣信息，但車(chē)道線(xiàn)的邊緣檢測(cè)結(jié)果較好，特征點(diǎn)基本都被檢測(cè)出來(lái)。車(chē)道線(xiàn)特征點(diǎn)識(shí)別效果較好，右側(cè)連續(xù)車(chē)道線(xiàn)的識(shí)別結(jié)果與實(shí)際情況基本吻合，左側(cè)不連續(xù)車(chē)道線(xiàn)的識(shí)別結(jié)果與實(shí)際情況雖有微小差距，但并不影響識(shí)別效果。

4 結(jié)論

本文針對(duì)車(chē)道保持系統(tǒng)的核心部分，提出了完整的車(chē)道線(xiàn)識(shí)別算法，包括設(shè)定感興趣區(qū)域、二維小波包分解降噪、邊緣檢測(cè)和車(chē)道線(xiàn)特征點(diǎn)識(shí)別。通過(guò)對(duì)某段高速公路圖像進(jìn)行車(chē)道線(xiàn)識(shí)別，驗(yàn)證了算法的可行性。從試驗(yàn)結(jié)果可得，本文提出的車(chē)道線(xiàn)識(shí)別算法能較好地識(shí)別車(chē)道線(xiàn)，為車(chē)道保持系統(tǒng)的進(jìn)一步設(shè)計(jì)奠定基礎(chǔ)。

參考文獻(xiàn)：

[1] NHTSA's national center for statistics & analysis. Traffic safety facts 2007[R]. National Highway Traffic Safety Administration，2008.

[2] 林廣宇， 魏朗， 蹇小平.基于嵌入式的車(chē)輛偏離預(yù)警系統(tǒng)研究[J].電子設(shè)計(jì)工程，2010，18（8）：26-28.

[3] 秦洪懋.基于駕駛行為的車(chē)道偏離預(yù)警系統(tǒng)關(guān)鍵技術(shù)研究[D].鎮(zhèn)江：江蘇大學(xué)，2014.

[4] 陳普. 基于計(jì)算機(jī)視覺(jué)的車(chē)道偏離預(yù)警算法研究[D]. 南昌：南昌航空大學(xué)， 2015.

[5]余小角， 陳賢富. 基于視頻的高速車(chē)道偏離預(yù)警系統(tǒng)[J]. 微型機(jī)與應(yīng)用， 2016， 35（19）：21-24.

[6] 張海林.基于電動(dòng)轉(zhuǎn)向的車(chē)道保持系統(tǒng)[D].北京：清華大學(xué)，2012.

[7]張海林， 羅禹貢， 江青云，等. 基于電動(dòng)助力轉(zhuǎn)向的車(chē)道保持系統(tǒng)[J]. 汽車(chē)工程， 2013， 35（6）：526-531.

[8] 孔悅.基于虛擬行駛環(huán)境下的汽車(chē)車(chē)道保持技術(shù)研究[D].長(zhǎng)春：吉林大學(xué)，2015.

[9] 孫濤， 徐正進(jìn)， 鄭松林，等. 基于電動(dòng)助力轉(zhuǎn)向的車(chē)道保持性能研究與分析[J]. 系統(tǒng)仿真學(xué)報(bào)， 2015， 27（12）：2913-2919.

[10] 柳長(zhǎng)春， 都東， 潘際鑾. 基于小偏差模型預(yù)測(cè)的車(chē)道保持輔助控制[J]. 清華大學(xué)學(xué)報(bào)：自然科學(xué)版， 2015（10）：1087-1092.

[11] 楊永明， 路陳紅. 小波包分析在一維及二維信號(hào)去噪中的應(yīng)用[J].西安建筑科技大學(xué)學(xué)報(bào)：自然科學(xué)版，2004，36（3）：364-367.

[12] 楊全海. 二維小波包分解在計(jì)算機(jī)圖像重構(gòu)中的應(yīng)用[J]. 電子設(shè)計(jì)工程， 2016， 24（24）：173-175.

[13] 魏偉波， 芮筱亭.圖像邊緣檢測(cè)方法研究[J].計(jì)算機(jī)工程與應(yīng)用，2006，42（30）：88-91.

[14] 李正明， 劉春國(guó)， 安明建. 基于FPGA的Sobel圖像邊緣檢測(cè)的設(shè)計(jì)[J]. 現(xiàn)代科學(xué)儀器， 2012（4）：88-90.

[15] 段大高，王建勇.圖像處理與應(yīng)用[M].北京：北京郵電大學(xué)出版社，2013.

[16] 余厚云， 張為公， YuHouyun，等. 直線(xiàn)模型下的車(chē)道線(xiàn)跟蹤與車(chē)道偏離檢測(cè)[J]. 自動(dòng)化儀表， 2009， 30（11）：1-3.